No (275)
Used filters
(4)
Number of found documents:
275
Published from
to
Použití polovodičových detektorů ve fúzních experimentech
Marčišovský Michal; Švihra Peter; Kulhánek Petr
2018 - English
Výboje plazmatu v experimentálních zařízeních procházejí často procesem rychlé terminace neboli disrupce. V tokamaku mohou disrupce plazmatu vyvolat vznik populace vysokoenergetických elektronů, tzv. ubíhající elektrony ? runaway electrons (RE), které jsou dále urychlovány obdobně jako v urychlovačích částic a mohou způsobit značné škody na vakuové komoře nebo na jiných důležitých komponentech. Jelikož disrupce generují detekovatelné primární a sekundární záření, nové diagnostické metody, například využití navrhovaných polovodičových pixelových detektorů, jsou inovativním doplněním existujících diagnostických systémů. Před zahájením detekce záření je potřeba provést důkladné kalibrace zařízení, které slouží k přesnější interpretaci prostorové a časové distribuce RE. Závěry z měření mohou vést ke značným pokrokům v porozumění procesů týkajících se generace RE. Správná interpretace dat získaných z různých experimentů není triviální, proto bylo potřeba naměřená data dále analyzovat a vytvořit simulace pro jednotlivé experimenty. Součástí diplomové práce bylo vytvoření modelu transportu a interakce RE pomocí simulačního nástroje Geant4. Vytvořený model by mohl poskytnout spolehlivý prostředek pro účely zajištění bezpečnosti na pracovišti i ochranu samotného zařízení.Discharges in the experimental devices tend to undergo a rapid termination ? disruption. In tokamaks, plasma disruption can result in emergence of relativistic electron population accelerated to MeV-order energies. These so-called runaway electrons (RE) then behave like in a particle accelerator and can cause damage to the vacuum vessel and other critical components. Since the disruptions tend to generate detectable primary and secondary radiation, new diagnostic methods, such as proposed semiconductor pixel detectors, are viable and innovative addition to existing diagnostic systems. In order to successfully operate such detectors, different instrumental calibration processes have been developed and performed. As a result, relevant information about the spatial and temporal distribution of RE has been acquired. This is crucial for further advancements of the fusion research and understanding of the RE generation process.Results of the measurements from different experiments are promising, however, their non-trivial interpretation requires further analysis and simulations of the experiment. For this purpose a Geant4 toolkit has been utilized, modeling transportation and interaction of RE and their secondary particles in tokamak COMPASS. Implementation of such model could be further exploited for radiation and device operational safety.
Keywords:
tokamak,ubíhající elektrony,polovodičové detektory,Medipix,Geant4; tokamak,runaway electrons,semiconductor detectors,Medipix,Geant4
Available at various departments of the ČVUT.
Použití polovodičových detektorů ve fúzních experimentech
Výboje plazmatu v experimentálních zařízeních procházejí často procesem rychlé terminace neboli disrupce. V tokamaku mohou disrupce plazmatu vyvolat vznik populace vysokoenergetických elektronů, tzv. ...
Studium trajektorií relativistických elektronů v magnetickém poli tokamaku
Mlynář Jan; Čeřovský Jaroslav; Macúšová Eva
2018 - English
Tato diplomová práce se věnuje problematice tzv. ubíhajících elektronů, které jsou generovány za určitých podmínek v zařízeních typu tokamak. Tyto vysokoenergetické elektrony jsou urychlovany přítomným elektrickým polem a dopad jejich svazku na první stěnu experimentálního zařízení může způsobit závažné škody. Práce v prvé řadě shrnuje zakladní teoretické poznatky z fyziky ubíhající elektronů. Důraz je kladen na výklad metod, pomocí kterých lze počítat trajektorie relativistických částic v magnetickém poli tokamaku, a které byly využity při tvorbě softwaru simulujícího pohyb ubíhajících elektronů v tokamku COMPASS. Výsledky částicových simulací byly porovnány s měřením Čerenkovova detektoru, který je schopen detekovat energetické elektrony unikající z plazmatu.This diploma thesis is dealing with so called runaway electrons, which are generated in the the tokamaks under particular conditions. These high energy electrons are accelerated in the electric field of tokamak and their impact onto the first wall of the experimental facility can cause serious damage. A brief summary of the fundamentals of runaway electron physics is given. The integration schemes dedicated for description of the dynamics of the relativistic particles in the magnetic field of the tokamak are presented. The given schemes were used to implement the program capable to calculate trajectories of the runaway electrons in the COMPASS tokamak. The results of the particle simulations were compared with measurements from the Cherenkov detector, which detects energetic electrons escaping from plasma volume.
Keywords:
časticové simulace,Čerenkovův detektor,tokamak,ubíhající elektrony; Cherenkov detector,particle simulation,runaway electrons,tokamak
Available at various departments of the ČVUT.
Studium trajektorií relativistických elektronů v magnetickém poli tokamaku
Tato diplomová práce se věnuje problematice tzv. ubíhajících elektronů, které jsou generovány za určitých podmínek v zařízeních typu tokamak. Tyto vysokoenergetické elektrony jsou urychlovany ...
Diagnostika supratermálních elektronů na tokamaku COMPASS pomocí EC emise
Urban Jakub; Farník Michal; Preinhaelter Josef
2018 - English
Tato práce se zabývá diagnostikou elektronové cyklotronové emise ubíhajících elektronů na tokamaku COMPASS. Cílem bylo na základě simulací navrhnout finální design radiometru pro měření ubíhajících elektronů. Tato diagnostika používá vertikální pohled podél siločáry konstantního magnetického pole a přijímá vlny s frekvencemi 76,5-88,3 GHz. V tomto zapojení lze měřit nízkoenergetické ubíhající elektrony s energiemi 50-140 keV. Díky parametrům tokamaku COMPASS musíme při analýze počítat s detekcí odraženého záření. Měření potvrdila absenci parazitního signálu i nežádoucích závislostí na elektronové hustotě a teplotě. Bylo potvrzeno, že detekovaný signál pochází z ubíhajících elektronů a dokáže výborně měřit jejich primární generaci. Měření EC vln se prokázalo jako účinný nástroj pro zkoumání ubíhajících elektronů a může být použito jako standardní diagnostika v rámci dalších experimentů.This thesis deals with electron cyclotron emission diagnostic of runaway electrons in the COMPASS tokamak. The goal was to utilize the final design of the radiometer for the runaway electron measurements with the help of simulations. This diagnostic uses the vertical view of a plasma along the line of the constant magnetic field and receives the waves with the frequencies 76.5-88.3 GHz. In this setup it is able to measure the low-energy runaway electrons with the energies 50-140 keV. Due to the COMPASS tokamak parameters we have to take into account the detection of a reflected emission. The measurements proved the absence of a spurious signal and unfavourable dependences on the electron density and temperature. It was determined that the runaway electrons are the signal source and it is able to measure their primary generation very well. The EC wave measurement proved to be useful tool for the runaway electron research and it can be used as a standard diagnostic for the following experiments.
Keywords:
tokamak,plasma,elektronová cyklotronová emise,ubíhající elektrony,radiometr,diagnostika; tokamak,plasma,electron cyclotron emission,runaway electrons,radiometer,diagnostics
Available at various departments of the ČVUT.
Diagnostika supratermálních elektronů na tokamaku COMPASS pomocí EC emise
Tato práce se zabývá diagnostikou elektronové cyklotronové emise ubíhajících elektronů na tokamaku COMPASS. Cílem bylo na základě simulací navrhnout finální design radiometru pro měření ubíhajících ...
Studium nanomateriálů pro produkci singletního kyslíku
Procházková Lenka; Pelikánová Iveta Terezie; Dědic Roman
2018 - English
Tato práce je venována studiu nanokompozitních luminiscencních materiálu pro produkci singletního kyslíku a jeho detekci. Práce se zameruje na tyto materiály: ZnO:Ga@SiO2-PPIX, ZnCdO:Ga@SiO2-PPIX a LuAG:Pr3+@SiO2-PPIX. Materiály byly pripraveny fotochemicky a nanocástice byly následne biofunkcionalizovány obalením vrstvou SiO2 a navázáním PPIX. Na pripravených materiálech byla provedena charakterizace rentgenovou difrakcní analýzou, elektronovovou mikroskopií a byly namereny adioluminiscencní a fotoluminiscencní emisní spektra a dosvity. Produkce singletního kyslíku byla studována pomocí fluorescencí sondy APF a specifického zhášece singletního kyslíku NaN3.Luminescent nanocomposite materials for singlet oxygen production and detection of singlet oxygen are investigated in this work. Three types of nanocomposite materials are studied: ZnO:Ga@SiO2-PPIX, ZnCdO:Ga@SiO2-PPIX and LuAG:Pr3+@SiO2-PPIX. Photo-induced method and two step biofunctionalization were used for preparation of these materials. Nanoparticles were coated with silica and conjugated with PPIX. XRDP, electron microscopy, RL and PL emission spectra and PL decay were carried out to characterize the materials. Fluorescent probe APF and singlet oxygen quencher NaN3 were used for monitoring the singlet oxygen production.
Keywords:
singletní kyslík,nanomateriály,luminiscence,fotodynamická terapie,oxid zinecnatý,LuAG; singlet oxygen,nanoparticles,luminescence,photodynamic therapy,zinc oxide,LuAG
Available at various departments of the ČVUT.
Studium nanomateriálů pro produkci singletního kyslíku
Tato práce je venována studiu nanokompozitních luminiscencních materiálu pro produkci singletního kyslíku a jeho detekci. Práce se zameruje na tyto materiály: ZnO:Ga@SiO2-PPIX, ZnCdO:Ga@SiO2-PPIX a ...
Relační učení s neuronovými sítěmi pro evaluaci strojového překladu
Šourek Gustav; Krynský Daniel; Drchal Jan
2018 - English
Tato práce má za cíl vyhodnotit použití neuronových sítí založených na relačním přístupu pro automatickou evaluaci strojového překladu. Tento přístup využívá sadu relačních pravidel, která slouží jako template a která, spolu s relačními daty, může být využita pro vytvoření neuronových sítí. Jako ohodnocení kvality strojového překladu je použita metrika Human UCCA-based Machine Translation Evaluation a to na listech i vnitřních uzlech stromové reprezentace vstupních dat. Součástí experimentu bude porovnání evaluace překladu z Angličtiny do čtyřech různých jazyků. Relační přístup bude porovnán s feature-based přístupem s využitím neuronových sítí.The goal of this thesis is to evaluate the use of neural networks, which are based on a relational approach for automatic evaluation of machine translation. This approach makes use of a set of relational rules, which serve as a template and which, together with relational data can be used for creating neural networks. For the machine translation quality evaluation a metric called Human UCCA-based Machine Translation Evaluation is used, both for leaves and internal nodes of tree representation of the input data. Part of the experiment will be comparison of the evaluation of translation from English to four different languages. Relational approach will be compared with feature-based approach with the use of neural networks.
Keywords:
Umělé neuronové sítě,Relační učení,Zpracování přirozeného jazyka,Predikátová logika,Strojový překlad,Evaluační metriky; Artificial neural networks,Relational learning,Natural language processing,Predicate logic,Machine translation,Evaluation metrics
Available at various departments of the ČVUT.
Relační učení s neuronovými sítěmi pro evaluaci strojového překladu
Tato práce má za cíl vyhodnotit použití neuronových sítí založených na relačním přístupu pro automatickou evaluaci strojového překladu. Tento přístup využívá sadu relačních pravidel, která slouží jako ...
Rozpoznávání ionizujících částic pomocí hybridních aktivních pixelových detektorů
Bergmann Benedikt Ludwig; Mánek Petr; Šára Radim
2018 - English
Detektory Timepix zaznamenávají snímky obsahující charakteristické obrazy částic ionizujícího záření, které procházejí vrstvou polovodičového materiálu. Od jejich vzniku ve skupině Medipix probíhaly pokusy o rekonstrukci trajektorií a rozpoznávání druhů částic z pozorovaných obrazů. Cílem této práce je návrh nových postupů řešení obou úloh, inspirovaných nedávnými články a metodami počítačového vidění. Navržené algoritmy pro rekonstrukci trajektorií jsou robustní a dosahují subpixelového rozlišení díky využití lokální optimalizace a informace o energii dostupné v operačním režimu Time-over-Threshold. Narozdíl od jiných postupů umožňují úspěšnou detekci a oddělení až 10 překrývajících se obrazů. Rozpoznávání druhů částic je dosaženo algoritmem strojového učení, který provádí klasifikaci na základě modelu atributů ztráty energie částic. Křížovou validací dat s obrazy těžkých iontů se podařilo ukázat, že navržený klasifikátor plní požadovanou funkci. Za účelem demonstrace využití navržených metod ve výzkumných aplikacích byla provedena analýza dat z detektorů Timepix rozmístěných v experimentu MoEDAL v LHCb, CERN.Timepix detectors record frames containing characteristic patterns corresponding to particles of ionizing radiation passing through a layer of semiconductive material. Since their inception by the Medipix collaboration at CERN, attempts have been made at reconstruction of particle trajectories and recognition of particle species based on the observed patterns. This thesis proposes novel approaches to both problems inspired by the recent works and methods used in computer vision applications. The presented algorithms for trajectory reconstruction are robust and combine local optimization with energies available in the Time-over-Threshold operation mode to achieve subpixel precision. Unlike alternate approaches, the proposed methods have been found to successfully detect and separate up to 10 overlapping patterns. A supervised machine learning algorithm is presented for particle species classification based on the energy loss feature model. Cross-validated evaluation of the classifier with heavy ion dataset indicates that the proposed model is viable and can accurately determine particle species. An analysis of recent Timepix data from the MoEDAL Experiment at LHCb, CERN has been conducted to demonstrate usage of the presented methods in research applications.
Keywords:
Medipix,Timepix,aktivní pixelový detektor,rozpoznávání,strojové učení,klasifikace,ionizující částice,rekonstrukce trajektorie,RANSAC,k-NN,simulované žíhání,MoEDAL; Medipix,Timepix,active pixel detector,recognition,machine learning,classification,ionizing particle,trajectory reconstruction,RANSAC,k-NN,simulated annealing,MoEDAL
Available at various departments of the ČVUT.
Rozpoznávání ionizujících částic pomocí hybridních aktivních pixelových detektorů
Detektory Timepix zaznamenávají snímky obsahující charakteristické obrazy částic ionizujícího záření, které procházejí vrstvou polovodičového materiálu. Od jejich vzniku ve skupině Medipix probíhaly ...
Daty řízená optimalizace angažovanosti uživatelů mobilních aplikací
Jakob Michal; Linka Jan; Míkovec Zdeněk
2018 - English
Mobilní aplikace jsou velké průmyslové odvětví s vysokou konkurencí, které proto musí využívattechnikyprooptimizaciangažovanostiuživatelů. Chytrételefonyvšakmohouvyužívat vzdáleného zpracování dat, které umožňuje tuto optimalizaci automatizovat na základě technik strojové analýzy dat. V této práci je proto formalizován problém dosažení milníku a navrženy způsoby jeho řešení založené na metodách posilovaného učení. Navržené metody jsou otestovány v rámci simulace a v experimentech v reálné mobilní aplikaci.Mobile application are large industry ?eld that is highly competitive. This leads to a necessity of use of techniques for user engagement optimization. Smartphones are also able to use remote data processing which allows for automation of the optimization by machine data analysis techniques. In this thesis, is for this reason formalized a milestone reaching problem and solution methods based on reinforcement learning are proposed. The proposed methods are tested in simulated environment and in experiments in real mobile application.
Keywords:
user engagement,mobile applications,engagement optimization,multi-armed bandit; user engagement,mobile applications,engagement optimization,multi-armed bandit
Available at various departments of the ČVUT.
Daty řízená optimalizace angažovanosti uživatelů mobilních aplikací
Mobilní aplikace jsou velké průmyslové odvětví s vysokou konkurencí, které proto musí využívattechnikyprooptimizaciangažovanostiuživatelů. Chytrételefonyvšakmohouvyužívat vzdáleného zpracování dat, ...
Odhad 3D mapy z jednoho RGB obrazu
Zimmermann Karel; Račinský Matěj; Sedláček David
2018 - English
Tato práce se zabývá využitím virtuálních světů z počítačových her jakožto zdroje dat pro strojové učení, a odhadem voxelové mapy z jednoho RGB obrázku za pomoci hlubokého učení. Tato práce zahrnuje skripty pro napojení se na PC hru GTA V a sběr dat z ní pro tvorbu automaticky anotovaných datasetů, a implementaci hluboké neuronové sítě v TensorFlow.In this thesis we explore virtual worlds used as data source for machine learning and voxel map estimation from single RGB image with deep learning. This thesis describes principles and implementation of hooking into GTA V and gathering data from it to create automatically annotated dataset, and implementation of deep neural network in TensorFlow.
Keywords:
Hluboké učení,Strojové učení,virtuální svět,odhad hloubky,odhad voxelové mapy,RAGE,GTA V; Deep learning,Machine learning,virtual world,depth estimation,voxelmap estimation,RAGE,GTA V
Available at various departments of the ČVUT.
Odhad 3D mapy z jednoho RGB obrazu
Tato práce se zabývá využitím virtuálních světů z počítačových her jakožto zdroje dat pro strojové učení, a odhadem voxelové mapy z jednoho RGB obrázku za pomoci hlubokého učení. Tato práce zahrnuje ...
Hranové kódování pro hluboké neuronové sítě
Drchal Jan; Šinkovec Petr; Šourek Gustav
2018 - English
Získání systémů pro automatickou strukturální optimalizaci modelů strojového učení (ML) je žádoucí ze dvou hlavních důvodů. Za prvé může ušetřit ML designérům víceméně přímočarou práci a za druhé, dokáže odhalit velmi efektivní a kompaktní struktury, které by člověkem pravděpodobně nebyly objeveny. Pozoruhodný úspěch v oblasti ML klasifikátorů dosáhla umělá neuronová síť (ANN), zejména hluboká ANN (DNN), která představuje model--based systém s příslušnou vnitřní architekturou, která určuje výkonnost modelu. Pro optimalizaci topologie ANN existuje několik metod založených na různých principech, kde mnohé z nich vychází z použití evolučních algoritmů (EA). Cílem diplomové práce je zkoumat nový přístup k optimalizaci architektury DNN pomocí algoritmu genetického programování (GP) v populaci počítačových programů, které generují DNN. Jedinec je v kontextu použitého EA počítačový program, jehož instrukce pracují s reprezentací grafové struktury pomocí metody zvané hranové kódování. Domněnka této práce je, že tento typ kódování se správným nasazením v kontextu ANN může generovat modely s hierarchickými a modulárními architekturami, které jsou obzvláště výhodné v mnohých náročných ML úlohách. \newpageAcquiring systems for automatic structure optimization of machine learning (ML) models is desirable from two main reasons. Firstly, it can save ML designers man hours from more or less straightforward work and secondly, it can detect very effective and compact structures that would be very unlikely to be discovered by human. Notable success in the field of supervised ML classifiers achieved the artificial neural network (ANN), especially the deep ANN (DNN), which represents a model based system with particular internal architecture, that determines its performance. For the ANN topology optimization there exist several methods based on various principles where some of them are based on evolutionary algorithms (EA). Thesis' objective is to investigate a new approach for DNN architecture optimization by the use of genetic programming (GP) algorithm over a population of computer programs that generate DNN. Individual in the context of used EA is a computer program whose instructions work with graph structure representation via the method called edge encoding. The belief is, that such type of encoding with a proper deployment in the context of ANN, can generate models with hierarchical and modular architectures that are especially valuable in most of the complex ML tasks.
Keywords:
strojové učení,umělá neuronová síť,hluboká neuronová síť,konvoluční neuronové sítě,nepřímé kódování,hranové kódování,evoluční algoritmus,genetické programování,gramatická evoluce,modulární architektur; machine learning,artificial neural network,deep neural network,convolutional neural networks,indirect encoding,edge encoding,evolutionary algorithm,genetic programming,grammatical evolution,modular architectures
Available at various departments of the ČVUT.
Hranové kódování pro hluboké neuronové sítě
Získání systémů pro automatickou strukturální optimalizaci modelů strojového učení (ML) je žádoucí ze dvou hlavních důvodů. Za prvé může ušetřit ML designérům víceméně přímočarou práci a za druhé, ...
Distribuční posilované učení za rizika
Macek Karel; Stanko Silvestr; Kulich Miroslav
2018 - English
Podmíněná hodnota v riziku (Conditional Value-at-Risk, CVaR) je známá míra rizika používaná ve finančním sektoru po dekády. CVaR je zároveň ekvivalentní s robustností, důležitou komponentou bezpečnosti Umělé Inteligence. V této diplomové práci se soustředíme na optimalizaci CVaRu v kontextu posilovaného učení, větví strojového učení která nabývá na popularitě díky své obecnosti a potenciálu. Naším prvním originálním příspěvkem je rozšíření algoritmu Iterace užitkové funkce CVaRu (CVaR Value Iteration), využívající distribučního charakteru CVaRu. Navrhovaný způsob výpočtu snižuje výpočetní složitost algoritmu z polynomiální na lineární, což formálně dokážeme pro spojitá pravděpodobnostní rozdělení. Na základě tohoto nového způsobu výpočtu formulujeme Monte Carlo verzi Iterace užitkové funkce CVaRu, kterou nazýváme Q-učení CVaRu. Dále navrhujeme distribuční algoritmus vylepšení strategie (policy improvement), dokážeme jeho správnost a použijeme ho jako heuristiku pro extrakci optimální strategie z Q-učení CVaRu. Závěrem, abychom ukázali praktičnost a použitelnost algoritmu na velkých stavových prostorech, navrhujeme přibližnou metodu Q-učení CVaRu. Toho docílíme přeformulováním iterace Temporální Diference na ztrátovou funkci, kterou později použijeme v kontextu hlubokého učení. Všechny navržené metody jsou experimentálně ověřeny. Iterace užitkové funkce CVaRu a Q-učení CVaRu na 2D prostředí citlivém na riziko, přibližné Q-učení CVaRu na náročnějším vizuálním prostředí. Všechny testované přístupy jsou schopny naučit se strategie citlivé k riziku, a to včetně algoritmu hlubokého Q-učení CVaRu, který se naučí vyhýbat se riziku pouze z obrazové informace - pixelů.Conditional Value-at-Risk (CVaR) is a well-known measure of risk that has been used for decades in the financial sector and has been directly equated to robustness, an important component of Artificial Intelligence (AI) safety. In this thesis we focus on optimizing CVaR in the context of Reinforcement Learning, a branch of Machine Learning that has brought significant attention to AI due to its generality and potential. As a first original contribution, we extend the CVaR Value Iteration algorithm by utilizing the distributional nature of the CVaR objective. The proposed extension reduces computational complexity of the original algorithm from polynomial to linear and we prove it is equivalent to the said algorithm for continuous distributions. Secondly, based on the improved procedure, we propose a sampling version of CVaR Value Iteration we call CVaR Q-learning. We also derive a distributional policy improvement algorithm, prove its validity, and later use it as a heuristic for extracting the optimal policy from the converged CVaR Q-learning algorithm. Finally, to show the scalability of our method, we propose an approximate Q-learning algorithm by reformulating the CVaR Temporal Difference update rule as a loss function which we later use in a deep learning context. All proposed methods are experimentally analyzed, using a risk-sensitive gridworld environment for CVaR Value Iteration and Q-learning and a challenging visual environment for the approximate CVaR Q-learning algorithm. All trained agents are able to learn risk-sensitive policies, including the Deep CVaR Q-learning agent which learns how to avoid risk from raw pixels.
Keywords:
Posilované učení,Riziko,Bezpečnost v Umělé Inteligenci,CVaR,Value Iteration,Q-learning; Reinforcement Learning,Risk,AI Safety,Conditional Value-at-Risk,Value Iteration,Q-learning
Available at various departments of the ČVUT.
Distribuční posilované učení za rizika
Podmíněná hodnota v riziku (Conditional Value-at-Risk, CVaR) je známá míra rizika používaná ve finančním sektoru po dekády. CVaR je zároveň ekvivalentní s robustností, důležitou komponentou ...
NRGL provides central access to information on grey literature produced in the Czech Republic in the fields of science, research and education. You can find more information about grey literature and NRGL at service web
Send your suggestions and comments to nusl@techlib.cz
Provider
Other bases